| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第6-10页 |
| ·引言 | 第6页 |
| ·协同过滤推荐的国内外研究现状 | 第6-8页 |
| ·本课题的研究意义 | 第8页 |
| ·本课题的主要工作 | 第8-9页 |
| ·本文的组织结构 | 第9页 |
| ·小结 | 第9-10页 |
| 第二章 电子商务个性化推荐系统 | 第10-15页 |
| ·电子商务个性化推荐系统概述 | 第10-12页 |
| ·电子商务个性化推荐系统的功能 | 第10-11页 |
| ·电子商务个性化推荐系统的构成 | 第11-12页 |
| ·电子商务个性化推荐系统的总体框架及流程 | 第12-13页 |
| ·电子商务个性化推荐系统的研究内容 | 第13-14页 |
| ·小结 | 第14-15页 |
| 第三章 信息过滤系统 | 第15-23页 |
| ·基于内容的过滤技术 | 第15-16页 |
| ·基于内容的推荐 | 第15页 |
| ·基于内容的推荐的优劣分析 | 第15-16页 |
| ·协同过滤技术 | 第16-19页 |
| ·协同过滤系统简单描述 | 第16-17页 |
| ·协同过滤技术的分类 | 第17-18页 |
| ·协同过滤技术的优缺点 | 第18-19页 |
| ·基于用户的协同过滤推荐算法 | 第19-21页 |
| ·基于项目的协同过滤推荐算法 | 第21-22页 |
| ·小结 | 第22-23页 |
| 第四章 项目多内容下的协同过滤算法研究 | 第23-32页 |
| ·引言 | 第23页 |
| ·Item-based 协同过滤技术 | 第23-25页 |
| ·传统 Item-based 协同过滤算法的基本原理 | 第23-24页 |
| ·Item-based 协同过滤中的多内容问题分析 | 第24-25页 |
| ·对传统 Item-based 协同过滤算法的改进 | 第25-27页 |
| ·用于计算的用户一项评分矩阵R和项目特征属性矩阵A | 第26页 |
| ·改进算法中项目相似性计算 | 第26-27页 |
| ·改进的 Item-based 协同过滤算法 | 第27页 |
| ·试验结果及其分析 | 第27-31页 |
| ·数据集 | 第27-28页 |
| ·评价标准 | 第28页 |
| ·试验结果及分析 | 第28-31页 |
| ·小结 | 第31-32页 |
| 第五章 基于用户个人特征的协同过滤算法研究 | 第32-39页 |
| ·个人特征 | 第32-33页 |
| ·最近邻协同过滤推荐技术 | 第33-34页 |
| ·基于用户协同过滤中的稀疏性问题和新用户问题分析 | 第34-35页 |
| ·基于用户个人特征的协同过滤推荐技术 | 第35-36页 |
| ·基于用户个人特征的预测 | 第35-36页 |
| ·基于用户个人特征的协同过滤推荐 | 第36页 |
| ·试验结果及其分析 | 第36-38页 |
| ·数据集 | 第36-37页 |
| ·评价标准 | 第37页 |
| ·实验结果及分析 | 第37-38页 |
| ·小结 | 第38-39页 |
| 第六章 基于用户个人特征的个性化推荐范例 | 第39-44页 |
| ·电子商务在网上音像制品销售行业的应用背景 | 第39页 |
| ·引入基于用户个人特征的推荐实例 | 第39-42页 |
| ·在线工作─Web数据采集 | 第40页 |
| ·下线工作─数据处理与分析 | 第40-42页 |
| ·核心工作─应用基于用户个人特征的推荐引擎产生推荐 | 第42页 |
| ·小结 | 第42-44页 |
| 结束语 | 第44-45页 |
| 参考文献 | 第45-47页 |
| 致谢 | 第47-48页 |
| 硕士期间所发表的论文 | 第48页 |
